复旦大学附属中山医院内分泌科团队开发的 AI 系统 “RL-DITR”，基于强化学习算法动态优化 2 型糖尿病患者的胰岛素剂量。临床研究显示，该系统与经验丰富的内分泌科医生决策的剂量差值仅 1.2 个单位，葡萄糖达标时间百分比（TIR）提升 24.1%，且未出现严重低血糖或酮症酸中毒。该系统已在长三角地区多家医院部署，未来计划扩展至居家管理场景。
美国 Dreamed 公司的 Advisor Pro 系统通过 AI 分析动态血糖（CGM）、胰岛素输注记录及饮食运动数据，实时调整胰岛素剂量。2025 年 FDA 批准其扩展至 1 型和 2 型糖尿病患者，在耶鲁纽黑文医院等机构应用后，患者 TIR 提升 15%-20%，低血糖发生率降低 40%。
谷歌 DeepMind 开发的 AI 模型通过分析非散瞳眼底照片，识别糖尿病视网膜病变（DR）的灵敏度达 95%。在印度、泰国等基层医院应用后，DR 筛查覆盖率从 30% 提升至 70%，避免因漏诊导致的失明风险。
北京北苑中医院引入的 AI 系统整合超声、CT/MRI 影像，术前自动生成三维手术路径，术中通过实时超声导航实现毫米级精准消融。临床数据显示，该技术使甲状腺结节手术时间缩短 30%，术后复发率降低至 3%（传统手术约 8%），且颈部无疤痕，患者满意度提升 40%。
腾讯觅影的 AI 模型分析甲状腺超声影像的微钙化分布、纵横比等特征，结合 TSH 水平预测结节恶性风险，准确率达 90%（AUC 0.92）。在国内 300 家医院应用后，不必要的细针穿刺活检率降低 35%，基层医生诊断符合率从 70% 提升至 85%。
中国科学技术大学附属第一医院开发的 “减单” 模型，基于 40 万例患者数据生成个性化饮食方案。例如，对皖北地区患者推荐 “杂粮馒头 + 去浮油牛肉汤”，通过 AI 分析饮食照片（识别准确率＞90%）动态调整，使体重下降速度比传统方法快 25%，患者依从性提升 30%。该模型已推出网页版，并计划开发可穿戴设备联动功能。
AI 整合患者的基因（如 MC4R 突变）、肠道菌群（如厚壁菌门 / 拟杆菌门比例）及代谢指标（HOMA-IR），预测司美格鲁肽等药物的减重效果。某三甲医院研究显示，AI 推荐方案使患者 6 个月内体重下降 12.3kg（传统方案为 8.5kg），药物无效比例从 30% 降至 15%。
河北医科大学第三医院与深睿医疗合作的模型，通过深度学习分析腹部 CT 平扫影像，自动定位椎体并预测骨密度值（BMD），与 QCT 测量的相关性达 0.97。该系统在体检中心应用后，使骨质疏松检出率提升 25%，高风险人群抗骨质疏松治疗率从 40% 升至 65%。
AI 整合骨密度、跌倒风险（平衡能力评分）、糖皮质激素用药史等 12 项变量，计算 10 年髋部骨折风险，准确率达 85%（传统 FRAX 评分为 78%）。在社区医疗机构应用后，高风险人群的双膦酸盐使用率提升 40%，再骨折率降低 30%。
西安国际医学中心医院部署的 AI 系统，通过分析 MRI 影像（瘤体大小、海绵窦侵犯）及激素水平（如 ACTH、泌乳素），自动推荐治疗方案（如微泌乳素瘤优先药物治疗）。临床验证显示，AI 建议与神经外科专家方案的吻合度达 88%，确诊时间从平均 4 周缩短至 2 周。
AI 通过分析患者的皮质醇昼夜节律（如午夜血皮质醇＞50nmol/L）、地塞米松抑制试验结果（如服药后皮质醇＞1.8μg/dL），快速区分库欣病与异位 ACTH 综合征，准确率达 88%，比传统流程缩短 30% 时间。
美国 Mira 公司的 AI 尿液检测系统，通过分析孕激素（PDG）水平确认排卵，准确率达 95%。该工具获 FDA 批准后，使居家生殖健康管理更加便捷，辅助不孕患者精准把握受孕窗口。
JAMA Network Open 发表的研究显示，AI 胰岛素调整系统在住院 2 型糖尿病患者中的 TIR 达 76.4%，与内分泌科医生组（73.6%）无显著差异，且早餐前血糖更低（131.1 vs 142.1 mg/dL），验证了 AI 在复杂场景中的可靠性。
这些案例表明，AI 已从 “辅助工具” 进化为 “临床决策伙伴”，尤其在 ** 动态数据整合（如血糖波动、激素节律）、个体化方案生成（如胰岛素剂量、饮食运动）、罕见病早期识别（如垂体瘤、库欣综合征）** 等方面展现不可替代的价值。未来，随着多组学数据（基因 + 代谢组）与可解释 AI（XAI）的发展，AI 将进一步渗透内分泌科全流程，推动精准医疗进入新阶段。